Linux（Ubuntu20.4）系统安装nvidia450驱动+pytorch1.8.1+cuda10.2+cudnn7.6.5教程详解

注意： 本服务器系统版本为ubuntu20.4
其他版本过程也类似！

一、Nvidia450驱动程序安装

首先查看显卡支持的驱动版本：
命令行输入：ubuntu-drivers devices
如图：

最新的可以支持460版本的，但是太新了，可能会出现版本不兼容的问题，这里建议安装450版本的。
注意：如果以前安装的有nvidia的驱动，如果更新的话，就先卸载再进行安装：
执行下面的命令：先删除再重启服务器系统。
命令行输入：

sudo apt-get autoremove --purge nvidia-*
sudo reboot

如果没有卸载成功就用下面的命令卸载：

sudo apt-get --purge remove nvidia*
sudo apt-get --purge remove "*nvidia*"
sudo apt-get --purge remove "*cublas*" "cuda*"
sudo apt autoremove
sudo reboot

输入之后就能发现nvidia-smi命令不可以使用了，证明显卡驱动卸载成功！

安装nvidia450驱动：
命令行输入：

sudo apt install nvidia-driver-450
sudo reboot

安装完成后需要重新启动系统才能生效，重启系统后通过 nvidia-smi 命令可以查看有没有应用在使用NAVIDIA显卡驱动，如果存在这样的应用则表示安装成功。

二、Pytorch1.8.1安装

首先进入这个网址:pytorch安装pytorch。
如图选择，先进行相应版本的选择，然后在命令行里输入下面的命令就行了，。
如果是在服务器上配置环境且服务器还有其他人使用，建议直接在自己创建的虚拟环境中进行安装，这样避免在base环境下影响他人使用！

静静等待安装完成，pytorch1.8.1就安装成功了，之后可以输入命令conda list查看安装结果。

进行测试：
命令行输入python，进入python环境,输入下面的python语句：

import torch
torch.rand(5,3)
torch.cuda.is_available()

结果如图：

输出如上图，证明pytorch安装成功。并且说明cuda可用。

三、Cuda10.2安装

1、命令行输入nvidia-smi命令，查看最高支持的cuda版本，如下图：

图中可以看出，nvidia显卡驱动版本为450.119.03，支持的最高cuda版本为11.0，所以安装的cuda版本应该低于11.0。

如果系统中已经安装了cuda，但是不适配（版本对应关系在下面图中给出），请先卸载再进行安装：
卸载命令如下：
注意：把下边的xx.x替换为自己的cuda版本

cuda10.0及以下的卸载：

cd /usr/local/cuda-xx.x/bin/
sudo ./uninstall_cuda_xx.x.pl
sudo rm -rf /usr/local/cuda-xx.x

cuda10.1及以上的卸载：

cd /usr/local/cuda-xx.x/bin/
sudo ./cuda-uninstaller
sudo rm -rf /usr/local/cuda-xx.x

注意：最后边加了一句sudo rm -rf /usr/local/cuda-xx.x，这是因为一般情况下cuda都配置了cudnn，在运行卸载程序时只会卸载cuda而不会一并删除cudnn的文件。因为cudnn文件还在，所以自己的cuda-xx.x文件夹也仍然存在，需要手动删除。
如果自己要卸载的cuda没有配置cudnn，那么cuda-xx.x文件夹在卸载完成后会被自动删除，也就没必要再运行最后一句了。
卸载成功之后输入nvcc -V查看，如果命令不可用，就证明卸载成功了！

2、下载cuda
首先查看nvidia450和cuda的版本对应关系如图（部分）：

注意：驱动是向下兼容的，其决定了可安装的CUDA和CUDAToolkit的最高版本。
官网下载对应系统的cuda版本：链接：cuda下载的官方网址
如图选择：

在命令行中输入下面的命令即可：

wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run

等待下载成功就行，同时记住下载的路径。

3、安装之前先进行gcc降级：
上面的过程中，显卡驱动依赖gcc9，而cuda10.2则依赖gcc7，需要在此处对gcc进行降级操作。命令行输入：sudo apt-get install gcc-7 g++-7
此处系统中存在两个gcc，分别是9和7，此时默认为9，这里需要将默认gcc改为gcc7。

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1
sudo update-alternatives --display gcc
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 1
sudo update-alternatives --display g++

可以修改并查看不同版本的gcc和g++的优先级。
sudo update-alternatives --config gcc命令查看gcc的默认版本，可以看到当前默认gcc版本为7，即切换成功。

如图所示就是降级成功了！
4、安装cuda10.2
输入命令进行安装：

sudo sh cuda_10.2.89_440.33.01_linux.run

会出现如下界面：
点continue：

输入accept,点确定。

这里选中Driver按enter键，将此项取消，这是cuda安装程序里自带的驱动，因为我们已经装过nvidia450版本的驱动了，就不需要再安装nvidia440了，否则会有冲突。

之后选择install等待就可以了！
5、安装成功之后进行环境变量的配置：
输入gedit ~/.bashrc命令打开文件，在文件结尾输入以下语句，保存。

export PATH="/usr/local/cuda-10.2/bin:$PATH"
export LD_LIBRARY_PATH="/usr/lcoal/cuda-10.2/lib64:$LD_LIBRARY_PATH"

如图所示：

之后终端输入source ~/.bashrc更新环境变量，让其生效，可以将10.2修改成自己下载的版本，验证本机的cuda版本，输入nvcc -V,可以看出当前安装cuda版本是10.2。

cuda10.2就安装成功了！

四、Cudnn7.6.5安装

首先给出查看cuda和cudnn版本的命令：

cat /usr/local/cuda/version.txt
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如图，已经安装好的版本号查看就是这样子。

安装cudnn之前，要先确定cuda和cudnn对应的版本关系，如果安装的版本不对的话，使用会出错！
版本对应关系如图（部分）：

如果版本不对应，要删除之前安装的cudnn，再进行安装。
命令行进行删除：

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn

首先进入Cudnn的下载界面：
下载地址：cudnn官方下载地址
如果没有账号的话，需要注册，登录才可以下载。然后如下图，选择合适的CUDA版本对应的CUDNN，并选择CUDNN Library for Linux。这里注意，推荐的是CUDNN8.0.2，其实，7.6.5更加适合，因为7.6.5版本更稳定。可以点开Archived菜单查找对应的7.6.5版本。

点击Archived cudnn Releases
找到对应的cudnn v7.6.5 for CUDA 10.2下载就行。

将下载的安装包解压，之后进行文件的复制操作：
下载解压之后，将cuda/include/cudnn.h文件复制到usr/local/cuda/include文件夹，将cuda/lib64/下所有文件复制到/usr/local/cuda/lib64文件夹中，并添加读取权限：

注意：这里可能会碰到复制粘贴文件的时候出现权限不够的问题，需要命令行进行权限的更改如下：
1 pwd查看硬盘的位置------就是自己没有权限的文件夹目录
2 sudo chmod 777 刚才查到的目录位置------更改权限

pwd
sudo chmod 777 /usr/local/cuda/include/

pwd
sudo chmod 777  /usr/local/cuda/lib64/

更改完成之后，就能进行文件的复制粘贴操作了。
此时再进行下面的命令：

sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

安装完成后，可以通过命令查看自己的cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

版本号如下图所示：

这样，cudnn7.6.5就安装成功了！
最后一步，sudo reboot 重启系统，就行了！
此时，系统的配置大约如下：
Ubuntu20.4+NVIDIA 450+pytorch1.8.1+cuda10.2+cudnn7.6.5，之后就可以在服务器上利用GPU训练深度学习模型了！

最后总结一些常见的命令：

1、获取有关图形卡和可用驱动程序的信息：ubuntu-drivers devices
2、自动安装驱动：ubuntu-drivers autoinstall
3、查看自己的ubuntu版本：cat /proc/version或lsb_release -a
4、查看自己的nvidia版本：nvidia-smi
5、查看cuda版本：cat /usr/local/cuda/version.txt 或者nvcc -V
6、查看cudnn版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

Anaconda创建、删除、激活、退出环境的命令
先安装anaconda，才可以用下面的conda命令
7、Anaconda创建环境：conda create -n py38(环境名) python=3.8(指定的python版本)
8、删除环境（不要乱删）：conda remove -n py38 --all
9、进入环境：conda activate py38
10、退出环境：conda deactivate